基于线性回归的推荐方法及系统技术方案

本发明专利技术公开了推荐技术领域的一种基于线性回归的推荐方法及系统，用以解决目前推荐系统的研究存在的问题。该方法包括：遍历当前网络系统中的所有用户和物品，获得所有用户和物品的历史评分数据；根据历史评分数据建立基于用户的线性回归模型；根据历史评分数据建立基于物品的线性回归模型；利用用户和物品的线性回归模型预测用户对未评过分的物品的评分；根据用户对所有未评过物品的预测评分排序，将排名较高的物品作为候选推荐给用户。本发明专利技术克服了传统协同过滤算法中实时性差、无法直接做增量更新的等在实际应用中的局限性，有效实现了基于线性回归的推荐方法及系统。

【技术实现步骤摘要】

本专利技术涉及推荐
，特别涉及一种基于线性回归的推荐方法及系统。
技术介绍
随着互联网技术的迅猛发展，大数据已然降临。形如社交网络、电子商务和移动通信的发展使人们摆脱了信息匮乏的境况，进入了以千万亿字节(PateByte，PB)为单位的海量数据时代。新浪微博的日活跃用户超过6千万，日均发布微博数量已经增至1.3亿条；百度日处理查询量超十亿次；淘宝“双十一”单日交易量则高达1.7亿次。随着数据爆炸式的增长，问题也随之而来：如何从庞大的数据量中挖掘出对自身最有价值信息，实现信息与用户的最佳匹配？这无论对于信息消费者，还是服务提供者都是严峻的挑战。针对上述问题，推荐系统提供了一个很好的解决方案。作为21世纪非常有潜力的信息过滤技术之一，推荐系统通过分析历史数据，建立相应的数学模型，挖掘其中的隐含信息，从而为用户提供个性化的推荐服务，成功实现了信息的最佳匹配。它一方面满足了用户的信息需求，另一方面拓展了信息的潜在价值，实现了信息消费者与生产者本文档来自技高网...

【技术保护点】
一种基于线性回归的推荐方法及系统，其特征是所述方法包括：步骤1：遍历当前网络系统中的所有用户和物品，获得所有用户和物品的历史评分数据；步骤2：根据历史评分数据建立基于用户的线性回归模型；步骤3：根据历史评分数据建立基于物品的线性回归模型；步骤4：利用用户和物品的线性回归模型预测用户对未评过分的物品的评分；步骤5：根据用户对所有未评过物品的预测评分排序，将排名较高的物品作为候选推荐给用户。

【技术特征摘要】
1.一种基于线性回归的推荐方法及系统，其特征是所述方法包括：
步骤1：遍历当前网络系统中的所有用户和物品，获得所有用户和物品
的历史评分数据；
步骤2：根据历史评分数据建立基于用户的线性回归模型；
步骤3：根据历史评分数据建立基于物品的线性回归模型；
步骤4：利用用户和物品的线性回归模型预测用户对未评过分的物品的
评分；
步骤5：根据用户对所有未评过物品的预测评分排序，将排名较高的物
品作为候选推荐给用户。
2.根据权利要求1所述的一种基于线性回归的推荐方法及系统，其特
征是所述根据历史评分数据建立基于用户的线性回归模型具体包括：
步骤21：对于每个用户，将该用户对其所评过的物品的历史评分构成
一个N维向量Yu，其中N为该用户的评过的物品个数；
步骤22：按照向量Yu中物品的顺序，统计该用户评过分的每个物品的
历史评分中出现频次最高的评分，并将结果构成一个N维向量Xu；
步骤23：假设Xu与Yu之间有如下关系：
Yu＝auXu+bu利用上述N维向量对此式进行线性回归，利用最小二乘法估计出模型
参数au与bu的值。
3.根据权利要求1所述的一种基于线性回归的推荐方法及系统，其特
征是所述根据历史评分数据建立基于物品的线性回归模型具体包括：
步...

【专利技术属性】
技术研发人员：陈震，谢峰，冯喜伟，尚家兴，曹军威，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11